貝它分布

Β分布

機率密度函數
累積分布函數
母數	$\alpha >0$ $\beta >0$
值域	$x\in (0;1)\!$
機率密度函數	${\frac {x^{\alpha -1}(1-x)^{\beta -1}}{\mathrm {B} (\alpha ,\beta )}}\!$
累積分布函數	$I_{x}(\alpha ,\beta )\!$
期望值	$\operatorname {E} [x]={\frac {\alpha }{\alpha +\beta }}\!$ $\operatorname {E} [\ln x]=\psi (\alpha )-\psi (\alpha +\beta )\!$ (見雙伽瑪函數)
中位數	$I_{0.5}^{-1}(\alpha ,\beta )$ 無解析表達
眾數	${\frac {\alpha -1}{\alpha +\beta -2}}\!$ for $\alpha >1,\beta >1$
變異數	${\frac {\alpha \beta }{(\alpha +\beta )^{2}(\alpha +\beta +1)}}\!$
偏度	${\frac {2\,(\beta -\alpha ){\sqrt {\alpha +\beta +1}}}{(\alpha +\beta +2){\sqrt {\alpha \beta }}}}$
峰度	見文字
熵	見文字
動差母函數	$1+\sum _{k=1}^{\infty }\left(\prod _{r=0}^{k-1}{\frac {\alpha +r}{\alpha +\beta +r}}\right){\frac {t^{k}}{k!}}$
特徵函數	${}_{1}F_{1}(\alpha ;\alpha +\beta ;i\,t)\!$ (見合流超幾何函數)

Β分布，亦稱貝它分布、Beta 分布（Beta distribution），在機率論中，是指一組定義在$(0,1)$區間的連續機率分布，有兩個母數$\alpha ,\beta >0$。

定義

機率密度函數

Β分布的機率密度函數是：

${\begin{aligned}f(x;\alpha ,\beta )&={\frac {x^{\alpha -1}(1-x)^{\beta -1}}{\int _{0}^{1}u^{\alpha -1}(1-u)^{\beta -1}\,du}}\\[6pt]&={\frac {\Gamma (\alpha +\beta )}{\Gamma (\alpha )\Gamma (\beta )}}\,x^{\alpha -1}(1-x)^{\beta -1}\\[6pt]&={\frac {1}{\mathrm {B} (\alpha ,\beta )}}\,x^{\alpha -1}(1-x)^{\beta -1}\end{aligned}}$

其中$\Gamma (z)$是Γ函數。如果$n$為正整數，則有：

$\Gamma (n)=(n-1)!$

隨機變數X服從母數為$\alpha ,\beta$的Β分布通常寫作

$X\sim {\textrm {Be}}(\alpha ,\beta )$

累積分布函數

Β分布的累積分布函數是：

$F(x;\alpha ,\beta )={\frac {\mathrm {B} _{x}(\alpha ,\beta )}{\mathrm {B} (\alpha ,\beta )}}=I_{x}(\alpha ,\beta )\!$

其中$\mathrm {B} _{x}(\alpha ,\beta )$是不完全Β函數，$I_{x}(\alpha ,\beta )$是正則不完全貝塔函數。

性質

母數為$\alpha ,\beta$Β分布的眾數是：

${\begin{aligned}{\frac {\alpha -1}{\alpha +\beta -2}}\\\end{aligned}}$

期望值和變異數分別是：

$\mu =\operatorname {E} (X)={\frac {\alpha }{\alpha +\beta }}$

$\operatorname {Var} (X)=\operatorname {E} (X-\mu )^{2}={\frac {\alpha \beta }{(\alpha +\beta )^{2}(\alpha +\beta +1)}}$

偏度是：

${\frac {\operatorname {E} (X-\mu )^{3}}{[\operatorname {E} (X-\mu )^{2}]^{3/2}}}={\frac {2(\beta -\alpha ){\sqrt {\alpha +\beta +1}}}{(\alpha +\beta +2){\sqrt {\alpha \beta }}}}$

峰度是：

${\frac {\operatorname {E} (X-\mu )^{4}}{[\operatorname {E} (X-\mu )^{2}]^{2}}}-3={\frac {6[\alpha ^{3}-\alpha ^{2}(2\beta -1)+\beta ^{2}(\beta +1)-2\alpha \beta (\beta +2)]}{\alpha \beta (\alpha +\beta +2)(\alpha +\beta +3)}}$

或：

${\frac {6[(\alpha -\beta )^{2}(\alpha +\beta +1)-\alpha \beta (\alpha +\beta +2)]}{\alpha \beta (\alpha +\beta +2)(\alpha +\beta +3)}}$

$k$階動差是：

$\operatorname {E} (X^{k})={\frac {\operatorname {B} (\alpha +k,\beta )}{\operatorname {B} (\alpha ,\beta )}}={\frac {(\alpha )_{k}}{(\alpha +\beta )_{k}}}$

其中$(x)_{k}$表示遞進階乘冪。$k$階動差還可以遞迴地表示為：

$\operatorname {E} (X^{k})={\frac {\alpha +k-1}{\alpha +\beta +k-1}}\operatorname {E} (X^{k-1})$

另外，

$\operatorname {E} (\log X)=\psi (\alpha )-\psi (\alpha +\beta )$

給定兩個Β分布隨機變數, X ~ Beta(α, β) and Y ~ Beta(α', β'), X的微分熵為：

${\begin{aligned}h(X)&=\ln \mathrm {B} (\alpha ,\beta )-(\alpha -1)\psi (\alpha )-(\beta -1)\psi (\beta )+(\alpha +\beta -2)\psi (\alpha +\beta )\end{aligned}}$

其中$\psi$表示雙伽瑪函數。

聯合熵為：

$H(X,Y)=\ln \mathrm {B} (\alpha ',\beta ')-(\alpha '-1)\psi (\alpha )-(\beta '-1)\psi (\beta )+(\alpha '+\beta '-2)\psi (\alpha +\beta ).\,$

其KL散度為：

$D_{\mathrm {KL} }(X,Y)=\ln {\frac {\mathrm {B} (\alpha ',\beta ')}{\mathrm {B} (\alpha ,\beta )}}-(\alpha '-\alpha )\psi (\alpha )-(\beta '-\beta )\psi (\beta )+(\alpha '-\alpha +\beta '-\beta )\psi (\alpha +\beta ).$

參見

• 機率論
• 機率分布
• Β函數

外部連結

• Beta分布 （頁面存檔備份，存於網際網路檔案館）
• LDA-math-認識Beta/Dirichlet分布 （頁面存檔備份，存於網際網路檔案館）